Das Projekt "Open standards for SCALable virtual engineerING and operation, Open standards for SCALable virtual engineerING and operation" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Asea Brown Boveri AG.
Das Projekt "ClimXtreme II, Modul C 'Impacts', CARLOFFF2: Konvektive Ereignisse: Verbindung von Radar basierten Deskriptoren und Schäden durch Sturzfluten" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Universität Potsdam, Institut für Umweltwissenschaften und Geographie, Lehrstuhl für Hydrologie und Klimatologie.
Das Projekt "KI: KI-basierte Waldüberwachung - Künstliche Intelligenz zur Früh-Detektion von Waldbrand-Ereignissen" wird/wurde ausgeführt durch: B2M Software GmbH.
Das Projekt "Energy-Efficient Large-Scale Artificial Intelligence for Sustainable Data Centers, Teilvorhaben: Nachhaltige Stahlindustrie durch ressourceneffiziente KI" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Energie. Es wird/wurde ausgeführt durch: SHS - Stahl-Holding-Saar GmbH & Co. KGaA.
Das Projekt "Künstliche Intelligenz für Assistenzfunktionen in Fahrzeugen bei der Waldbewirtschaftung" wird/wurde ausgeführt durch: HSM Hohenloher Spezial-Maschinenbau GmbH.
Das Projekt "Energy-Efficient Large-Scale Artificial Intelligence for Sustainable Data Centers, Teilvorhaben: Realisierung von Software-Modulen zur Messung der Nachhaltigkeit von Rechenzentren" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Energie. Es wird/wurde ausgeführt durch: SEITEC GmbH.
Das Projekt "Erforschung von Ansätzen der 'Operations Research' für ein KI-unterstütztes Verkehrsmanagementsystem im Bahnbetrieb, Erforschung von Ansätzen der 'Operations Research' für ein KI-unterstütztes Verkehrsmanagementsystem im Bahnbetrieb" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Technische Universität Dresden, Institut für Bahnsysteme und Öffentlichen Verkehr, Professur für Betrieb von Bahnsystemen.
Das Projekt "KI unterstützte Kommunikationstechnologien zur dynamischen Optimierung von Mobilität und Energiespeichern zur Frequenzstabilisierung und Energieversorgung" wird/wurde ausgeführt durch: Technische Universität Dresden, Institut für Nachrichtentechnik, Deutsche Telekom - Professur für Kommunikationsnetze.Das Ökosystem der Stromnetze ist auf dem Weg zu einem dezentralisierten Energieversorgungs- und Verteilungssystem. Haushalte können mit erneuerbaren Energiequellen wie Sonnenkollektoren oder Windgeneratoren, als verteilte Energieressourcen (DERs - Distributed Energy Resources) bezeichnet, unabhängig von den Stromanbietern operieren und Energie zurück an das Hauptnetz verkaufen. Für die Realisierung dieser Transformation des Stromnetzes wird eine kompetente Kommunikationsinfrastruktur benötigt. Die Einführung des Standards 5G in Mobilfunknetze erleichtert die Entwicklung zukünftiger Energieverwaltungslösungen. Weiterhin ermöglichen neue Technologien die Entwicklung intelligenter Algorithmen für die Steuerung zukünftiger Stromnetze. Hierzu gehören das Internet der Dinge (Internet of Things, IoT), Vernetzung über Mesh-Netzwerke zur Fernüberwachung des Netzstatus und die Künstliche Intelligenz (KI) für Management und Koordination. In Dymobat wird ein Single-User-Controller für die Verwaltung der einzelnen DERs entwickelt. Anschließend wird eine zentrale Steuerungseinheit für die Synchronisierung und Optimierung des Netzbetriebs innerhalb einer kleinen Gruppe von DERs, Microgrid, entworfen. Im Anschluss werden Mobilitätsalgorithmen für die Nutzung von batterieelektrischen Fahrzeugen als mobile Energiespeicher entwickelt, die temporäre Selbstversorgung von Teilnetzen ermöglichen. Die entwickelten Algorithmen werden virtuell in einem Testbed-Modell anhand von realen Eingangsparametern erprobt, optimiert und validiert. Im zweiten Schritt wird ein reales Testfeld konzipiert, installiert und die Leistungsfähigkeit der modellhaft erprobten Algorithmen in einer realen Testumgebung bewertet und anhand des dadurch erarbeiteten Know-hows weiter verbessert. Das übergeordnete Ziel des Projektes DymoBat ist die Entwicklung von marktfähigen Lösungen für die zukünftige Stromnetzverwaltung zur Nutzung von verteilten Energieressourcen auf Basis der Anwendung von 5G-Technologien.
Das Projekt "Spektroskopische Untersuchung des Recyclings von Kunststoffen, Teilvorhaben: Untersuchung von Kunststoffinhaltsstoffen und Verunreinigung mittels spektroskopischer Methoden sowie die Verbesserung der Auflösung der Raman-Spektroskopie für die Anwendung im Polymerrecycling" wird/wurde gefördert durch: Bundesministerium für Forschung, Technologie und Raumfahrt. Es wird/wurde ausgeführt durch: Friedrich-Schiller-Universität Jena, Institut für Organische Chemie und Makromolekulare Chemie.
Das Projekt "Felsenpinguine als Zeiger für Ökosystemwandel im subantarktischen Südpolarmeer" wird/wurde ausgeführt durch: Deutsche Forschungsgemeinschaft.In marinen Lebensräumen können Seevögel als wertvolle Indikatoren für Nahrungsressourcen und die Produktivität des marinen Ökosystems dienen. Studien zeigen deutliche Veränderungen in marinen Ökosystemen, und eine Art, die auf solche Veränderungen empfindlich reagiert, ist der Südliche Felsenpinguin Eudyptes chrysocome (IUCN-Kategorie gefährdet). Analysen neuerer und historischer Daten deuten darauf hin, dass Felsenschreibepinguine in einem sich erwärmenden Ozean schlechter überleben und sich vermehren und dass der Klimawandel sie in mehreren Phasen der Brut- und Nicht-Brutsaison beeinflussen kann. Mehr als ein Drittel der Gesamtpopulation dieser Art brütet auf den Falklandinseln, wo die Populationen besonders stark zurückgehen, und unsere früheren Studien (2006-2011) hier haben auf reduzierte Überlebenswahrscheinlichkeiten unter zunehmend warmen Meerestemperaturen und leichtere Eier unter wärmeren Umweltbedingungen hingewiesen. Die zugrunde liegenden Ursachen für diese Veränderungen sind jedoch noch wenig bekannt. Das vorliegende Projekt knüpft an frühere Studien an, aber wir werden neu verfügbare Technologien anwenden, nämlich viel kleinere GPS-Beschleunigungs-Datenlogger, um die noch unbekannten Phasen der Brutzeit und die für die Futtersuche verwendete Energie zu untersuchen, und Analysemethoden aus dem Machine Learning („künstliche Intelligenz“) und der Energielandschaften-Modellierung. Komponentenspezifische stabile Isotopenanalysen und Metabarcodierung von Kotproben werden zudem eingesetzt, um die Ernährung während der verschiedenen Phasen des Brutzyklus zu untersuchen. Wir werden auch Zeitrafferkameras einsetzen und über "Penguin watch" - ein Toolkit zur Extraktion großflächiger Daten aus Kamerabildern und zur Einbeziehung der Öffentlichkeit - bürgernahe Wissenschaft betreiben. Insgesamt wollen wir verstehen, warum Südliche Felsenpinguine eine besonders empfindliche Art bei sich erwärmenden Meeresbedingungen sind.
